基于案例推理和SVM-KNN的电能质量扰动分类方法

被引：8

作者：

陈伟

张韵

裴喜平

林洁

李恒杰

谢兴峰

机构：

[1] 兰州理工大学电气工程与信息工程学院

来源：

兰州理工大学学报 | 2017年 / 43卷 / 04期

关键词：

电能质量; 分类方法; 案例推理; 支持向量机; 原子分解法;

D O I：

10.13295/j.cnki.jlut.2017.04.017

中图分类号：

TM711 [网络分析、电力系统分析];

学科分类号：

083903 [网络与系统安全];

摘要：

针对电能质量扰动信号的准确分类识别问题,提出一种基于案例推理(CBR)和支持向量机(SVM)的电能质量扰动分类方法.首先通过原子分解法对电能质量扰动信号进行分解,提取特征向量,并以此建立电能质量扰动信号案例库;在进行分类时借助SVM-KNN算法对案例库进行检索,找出最相似源案例;通过修改或重用最相似案例的结果来确定扰动信号分类结果.算例表明该方法构造的分类器结合了案例推理和支持向量机在模式分类中各自的优点,结构简单,训练样本少,识别准确率高,分类速度快,能够有效地识别常见的6种电能质量扰动.

引用

收藏

页码：87 / 92

页数：6

相关论文

共 14 条

[1]

风力发电机组出力组合区间预测算法 [J].

陈伟 ;

蒲跃 ;

裴喜平 ;

李恒杰 ;

张萍 ;

吴丽珍 .

兰州理工大学学报, 2015, 41 (06) :84-89

[2]

采用快速原子分解的电能质量扰动信号参数辨识 [J].

于浩明 ;

黄纯 ;

江亚群 ;

张磊 ;

冷崇富 ;

赵伟 .

电网技术, 2014, 38 (08) :2237-2243

[3]

基于阻尼正弦原子分解的次同步振荡模态辨识 [J].

董飞飞 ;

刘涤尘 ;

廖清芬 ;

孙文涛 ;

宫璇 ;

黄冠彬 .

中国电机工程学报, 2013, 33 (19) :119-125+12

[4]

SVM和神经网络在电能质量扰动分类应用中的对比 [J].

秦业 ;

袁海斌 ;

袁海文 ;

崔勇 ;

王秋生 .

南京航空航天大学学报, 2011, 43(S1) (S1) :74-78

[5]

基于小波包和数学形态学结合的图像特征提取方法 [J].

张立国 ;

杨瑾 ;

李晶 ;

任晓丽 ;

上官寒露 .

仪器仪表学报, 2010, 31 (10) :2285-2290

[6]

应用原子分解的电能质量扰动信号特征提取方法 [J].

贾清泉 ;

于连富 ;

董海艳 ;

王宁 ;

田杰 .

电力系统自动化, 2009, 33 (24) :61-64+93

[7]

基于CBR的故障诊断系统案例检索策略 [J].

刘景宁 ;

刘涛 ;

贺晓 .

华中科技大学学报(自然科学版), 2008, (03) :16-19

[8]

基于支持向量机的动态电能质量扰动分类方法 [J].

宋晓芳 ;

陈劲操 .

电力自动化设备, 2006, (04) :39-42

[9]

数学形态学算子在电力系统突变信号检测中应用 [J].

全玉生 ;

李学鹏 ;

杨俊伟 ;

马彦伟 ;

李静一 .

电力自动化设备, 2006, (03) :1-5

[10]

基于Prony算法的暂态电能质量扰动信号分析 [J].

丁屹峰 ;

占勇 ;

程浩忠 ;

孙毅斌 ;

陆融 .

上海交通大学学报, 2005, (S1) :36-38